行业数据挖掘技术及应用培训

行业数据挖掘技术及应用培训 [课程概述] 本课程详细全面阐述常用的统计分析和数据挖掘建模方法，并结合电信等行业介绍实际应用案 例，具有非常强的针对性和实用性。 [课程对象]  行业业务支撑中心数据挖掘人员  行业市场部、增值业务部、信息部负责数据分析和营销策划相关人员。 [培训收益] 通过本课程的学习和课后的练习和辅导，学员可以获得如下的收获： 1. 掌握常用的数据挖掘建模方法 2. 了解数据挖掘建模的流程 3. 了解数据挖掘在 行业的应用案例 4. 在实际工作中应用数据挖掘方法解决问题 [课程提纲] *讲 相关与回归 1. 相关的基本概念：正相关、负相关 2. 相关系数 3. 回归的分类：线性回归、非线性回归；一元回归、多元回归 4. 回归分析需要满足的假设条件 5. 在 Excel 中实现相关和回归分析 案例分析： 行业话务量（MOU）与平均单价的相关和回归分析 第二讲 因子分析 1. 因子分析解决什么问题？ 2. 因子分析的基本原理介绍 3. 因子分析的应用 案例分析： 行业消费者关键购买因素因子分析案例 第三讲 数据挖掘基础知识和方法 1. 数据挖掘概念历史和发展过程 2. 数据挖掘解决的几类问题 3. 数据挖掘与统计分析的区别 4. 数据挖掘的方法论 第四讲 数据挖掘分类模型及应用 1. 什么是数据挖掘的分类模型 2. 构建分类模型的算法介绍：决策树、Logistic 回归、神经网络 3. 分类模型在 行业的应用方向 案例分析：用分类模型构建 用户离网预测模型以及应用 案例分析：用分类模型构建 增值业务目标用户特征分析模型以及应用 第五讲 数据挖掘聚类模型及应用 1. 什么是数据挖掘的聚类模型 2. 构建聚类模型的算法介绍：层次聚类法、Kmeas 算法 3. 聚类模型在 行业的应用方向 案例分析：用 Kmeans 聚类对 用户进行细分以及差异化策略应用 案例分析：用层次聚类法对不同地市分公司进行分类 第六讲 数据挖掘关联模型及应用 1. 什么是关联模型 2. 关联规则的介绍 3. 关联规则三大衡量指标 4. 什么是交叉销售、捆绑销售 5. 如何用关联规则知道交叉销售和捆绑销售 案例分析:用关联规则指导 增值业务精确推荐 案例分析:用关联规则指导增值业务捆绑销售 第七讲 数据挖掘在行业的应用总结与归纳 1. 数据挖掘与 CRM 的关系 2. 在不同生命周期阶段的数据挖掘应用 第八讲 正确认识数据挖掘 1. 数据挖掘成功的几大法则 a) 以客户为中心 b) 解决业务问题 c) 遵循 20/80 法则 d) 招聘合适的数据挖掘人才 2. 行业数据挖掘的优势与劣势